Um estudo comparativo de métodos de deep learning aplicados à segmentação semântica de obstáculos, zonas seguras e não seguras para navegação a partir de dados RGB-D (2021)
- Authors:
- USP affiliated authors: OSÓRIO, FERNANDO SANTOS - ICMC ; BARBOSA, FELIPE MANFIO - ICMC
- Unidade: ICMC
- Subjects: VISÃO COMPUTACIONAL; INTELIGÊNCIA ARTIFICIAL; ROBÔS
- Agências de fomento:
- Language: Português
- Imprenta:
- Conference titles: Reunião Anual da SBPC
-
ABNT
BARBOSA, Felipe Manfio e OSÓRIO, Fernando Santos. Um estudo comparativo de métodos de deep learning aplicados à segmentação semântica de obstáculos, zonas seguras e não seguras para navegação a partir de dados RGB-D. 2021, Anais.. São Paulo: SBPC, 2021. Disponível em: https://reunioes.sbpcnet.org.br/73RA/inscritos/resumos/10285_146ba9f2a6976570b0353203ec4474217.pdf. Acesso em: 29 dez. 2025. -
APA
Barbosa, F. M., & Osório, F. S. (2021). Um estudo comparativo de métodos de deep learning aplicados à segmentação semântica de obstáculos, zonas seguras e não seguras para navegação a partir de dados RGB-D. In . São Paulo: SBPC. Recuperado de https://reunioes.sbpcnet.org.br/73RA/inscritos/resumos/10285_146ba9f2a6976570b0353203ec4474217.pdf -
NLM
Barbosa FM, Osório FS. Um estudo comparativo de métodos de deep learning aplicados à segmentação semântica de obstáculos, zonas seguras e não seguras para navegação a partir de dados RGB-D [Internet]. 2021 ;[citado 2025 dez. 29 ] Available from: https://reunioes.sbpcnet.org.br/73RA/inscritos/resumos/10285_146ba9f2a6976570b0353203ec4474217.pdf -
Vancouver
Barbosa FM, Osório FS. Um estudo comparativo de métodos de deep learning aplicados à segmentação semântica de obstáculos, zonas seguras e não seguras para navegação a partir de dados RGB-D [Internet]. 2021 ;[citado 2025 dez. 29 ] Available from: https://reunioes.sbpcnet.org.br/73RA/inscritos/resumos/10285_146ba9f2a6976570b0353203ec4474217.pdf - Self-supervised temporal consistency applied to domain adaptation in semantic segmentation of urban scenes
- Estudo de estratégia de aprendizado auto-supervisionado para aprimoramento da consistência temporal em modelo de segmentação semântica baseado em deep learning
- 3D perception for autonomous mobile robots navigation using deep learning for safe zones detection: a comparative study
- In defense of multimodal and temporal data for unsupervised domain adaptation
- Temporal consistency as pretext task in unsupervised domain adaptation for semantic segmentation
- CARINA Project: visual perception systems applied for autonomous vehicles and advanced driver assistance systems (ADAS)
- TCDA: Temporally-Consistent Depth-Aware Unsupervised Domain Adaptation for Semantic Segmentation in Urban Scenes
- RNAs em hardware para navegação de veículos autônomos baseada em visão
- Co-projeto de hardware/software para correlação de imagens
- Hardware/software co-design for image cross-correlation
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
3038184.pdf | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
